基于案例学习的多属性群决策问题研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 多属性决策方法 | 第10-12页 |
| 1.2.2 多属性群决策方法 | 第12-14页 |
| 1.2.3 基于案例学习的决策方法 | 第14页 |
| 1.3 多属性决策模型框架 | 第14-16页 |
| 1.3.1 多属性决策基本参数 | 第14-15页 |
| 1.3.2 多属性决策的一般过程 | 第15-16页 |
| 1.3.3 基于案例学习多属性决策方法概述 | 第16页 |
| 1.4 论文研究内容与结构 | 第16-19页 |
| 1.4.1 研究技术路线图 | 第16-17页 |
| 1.4.2 章节安排 | 第17-18页 |
| 1.4.3 创新之处 | 第18-19页 |
| 第二章 基于案例学习的TOPSIS改进方法 | 第19-28页 |
| 2.1 基本问题描述 | 第19-22页 |
| 2.1.1 TOPSIS基本模型 | 第19-20页 |
| 2.1.2 排序问题案例集的确定 | 第20页 |
| 2.1.3 案例距离的定义 | 第20-22页 |
| 2.2 基于案例距离的权重求解模型 | 第22-24页 |
| 2.2.1 帕累托约简 | 第22页 |
| 2.2.2 指标权重求解模型构建 | 第22-23页 |
| 2.2.3 本文方法的基本步骤 | 第23-24页 |
| 2.3 算例分析-中小企业发展潜力评价 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于偏好融合的案例学习群决策排序方法 | 第28-38页 |
| 3.1 基本问题描述 | 第28-29页 |
| 3.2 案例偏好一致性分析 | 第29-31页 |
| 3.2.1 案例的两两偏好比较矩阵 | 第29-30页 |
| 3.2.2 基于相似度的决策者聚类 | 第30-31页 |
| 3.3 基于一致案例信息的距离排序算法 | 第31-32页 |
| 3.3.1 基于理想方案的距离设定 | 第31页 |
| 3.3.2 基于一致案例信息的权重求解模型 | 第31-32页 |
| 3.3.3 整体流程总结 | 第32页 |
| 3.4 算例分析-R&D技术创新评价 | 第32-37页 |
| 3.4.1 基本问题描述 | 第33-34页 |
| 3.4.2 案例偏好一致性分析 | 第34-35页 |
| 3.4.3 案例距离排序计算 | 第35-36页 |
| 3.4.4 方法的分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于协调权的案例学习群决策分类模型 | 第38-50页 |
| 4.1 基本问题描述 | 第38-39页 |
| 4.1.1 分类问题参数设定 | 第38页 |
| 4.1.2 决策问题效用函数的定义 | 第38-39页 |
| 4.2 群决策分类的原则及协调权 | 第39-41页 |
| 4.2.1 基于效用函数的分类原则 | 第39-40页 |
| 4.2.2 多属性群决策分类问题的协调权 | 第40-41页 |
| 4.3 基于一致案例集的多属性群决策分类方法 | 第41-44页 |
| 4.3.1 确定群体一致案例集的模型构建 | 第41-43页 |
| 4.3.2 基于案例的决策参数获取模型构建 | 第43页 |
| 4.3.3 多属性群决策分类方法的基本步骤 | 第43-44页 |
| 4.4 算例分析-高校MBA项目评价 | 第44-49页 |
| 4.4.1 基本问题描述 | 第44-45页 |
| 4.4.2 群体一致案例集确定 | 第45-46页 |
| 4.4.3 方案的群体分类 | 第46-47页 |
| 4.4.4 方法分析与比较 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结及展望 | 第50-52页 |
| 5.1 本文总结 | 第50页 |
| 5.2 研究展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 在学期间的研究成果及发表的学术论文 | 第57页 |
